Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarAWS Machine Learning Blog→ original

Amazon Bedrock apprend à son assistant à se souvenir des employés et à masquer les documents interdits

Un assistant doit se souvenir qu'un employé a mentionné il y a un mois le bureau de Francfort, sans pour autant lui montrer les documents des autres. Dans Amazon Bedrock Managed Knowledge Base, c'est désormais le service qui s'en charge : ajoutez memoryConfiguration à la requête AgenticRetrieveStream, et le planificateur va chercher lui-même le fait dans la mémoire AgentCore. Le paramètre userContext ne conserve que les documents autorisés par les listes de contrôle d'accès (ACL). Votre propre table de conversations devient inutile. La mémoire est rattachée au sub de Cognito, les documents à l'adresse email de l'employé. Une politique IAM avec le tag userId empêche de lire la mémoire d'un autre utilisateur, même en cas de bug dans le code. Il faut Boto3 1.43.72+ et une mémoire AgentCore dans le même compte que la base de connaissances.

Traité par IA depuis AWS Machine Learning Blog ; édité par Hamidun News
Amazon Bedrock apprend à son assistant à se souvenir des employés et à masquer les documents interdits
Source : AWS Machine Learning Blog. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireAWS Machine Learning Blog ↗
Rédacteur en chef
Chiffre clé #1Mémoire liée au sub de Cognito, documents liés à l'email de l'employé
IAM avec le tag userIdimpossible de lire la mémoire d'autrui, même en cas de bug dans le code
Chiffre clé #3Boto3 1.43.72+ requis, ainsi qu'une mémoire AgentCore dans le même compte que la base

Un assistant d'entreprise doit se souvenir de son interlocuteur sans pour autant révéler ce qu'il ne devrait pas. Prenons un employé qui a écrit, il y a un mois et lors d'une autre conversation, qu'il travaille depuis le bureau de Francfort. Aujourd'hui, il pose une question sur ses congés, et la réponse doit tenir compte de cette information sans qu'il ait à la répéter.

Mais ce même assistant n'a pas le droit de montrer à un ingénieur le plan de commissions du service commercial. Jusqu'ici, les développeurs bricolaient cela à la main : ils stockaient toutes les conversations, en extrayaient des faits, sélectionnaient les pertinents et les injectaient dans la requête. Désormais, AWS confie ce travail au service : Amazon Bedrock Managed Knowledge Base utilise la mémoire AgentCore et les listes de contrôle d'accès (ACL, c'est-à-dire la liste de qui peut lire quels documents).

Si vous construisez un assistant pour de nombreux utilisateurs, cela réduit la quantité de code à écrire vous-même.

Ce qui change concrètement

La mémoire Amazon Bedrock AgentCore fonctionne désormais comme une source de recherche supplémentaire, aux côtés de la base de connaissances. On l'active en ajoutant un bloc memoryConfiguration à la requête AgenticRetrieveStream. Au sein d'un même appel, le service restaure l'historique de la conversation, puis le planificateur décide lui-même si un fait sur l'utilisateur peut aider. Si c'est le cas, il récupère ce fait dans la mémoire à long terme et l'utilise dans les sous-requêtes adressées à la base de connaissances. Après la réponse, le service réenregistre l'échange dans la mémoire. AgentCore extrait les enregistrements à long terme de façon asynchrone : un nouveau fait n'apparaît donc pas instantanément dans la mémoire.

La même requête transmet userContext, et la base ne renvoie que les documents que l'ACL autorise pour l'utilisateur. L'intégration est optionnelle et rétrocompatible. L'authentification et la transmission de l'identité de l'utilisateur restent à la charge de l'application. Il n'y a plus de table de conversations distincte : lorsque l'interface affiche la liste des discussions, elle lit cette même mémoire.

Comment ça fonctionne, avec l'exemple d'AnyCompany

AWS présente l'assistant interne d'une entreprise fictive. Les documents sont stockés dans Amazon S3. Les RH et l'IT lisent tout, les règlements d'ingénierie sont réservés aux ingénieurs, le plan de commissions aux commerciaux. Les droits sont décrits dans un fichier ACL global, où chaque dossier correspond à une liste d'emails. Dans l'exemple, 11 documents sont indexés, avec 0 erreur. Un document couvert par aucune entrée de l'ACL n'entre pas dans l'index. Quant à l'utilisateur dont l'email ne figure dans aucune entrée, il ne reçoit aucun résultat de cette source. Pour SharePoint, Google Drive et Confluence, les droits sont récupérés depuis la source elle-même, et le code de l'application ne change pas.

Les employés se connectent via Amazon Cognito. Deux champs de son jeton d'ID sont utilisés, chacun avec sa fonction :

  • l'email va dans userContext.userId et détermine quels documents peuvent être lus ;
  • le sub (identifiant de l'utilisateur) va dans actorId et dans l'espace de noms de la mémoire, par exemple /anycompany/<sub>.

Pourquoi ne pas utiliser l'email pour tout ? Une adresse peut changer, ou être réattribuée à un nouvel employé après le départ de quelqu'un, qui hériterait alors de la mémoire de son prédécesseur. Le sub de Cognito ne change pas et n'est jamais réutilisé. Un autre identifiant stable issu de votre base d'utilisateurs convient aussi, à condition qu'il ne passe jamais à une autre personne.

La mémoire est configurée par une seule ressource pour tous les utilisateurs, et la séparation vient du modèle {actorId} dans les espaces de noms. Il y a trois utilisateurs de test : les ingénieurs Maya et Liam, et la commerciale Sofia. Chacun a ses propres documents et sa propre mémoire.

Une protection qui tient même en cas d'erreur dans le code

Le point le plus utile en pratique est l'isolation au niveau d'IAM. Le backend assume le rôle de l'application séparément pour chaque utilisateur, avec un tag de session userId=<sub>. Les autorisations sur la mémoire sont liées à ce tag, via actorId et le chemin de l'espace de noms. Si un développeur injecte par erreur l'identifiant d'un autre utilisateur, IAM refuse l'accès. Un bug dans le code ne se transforme donc pas en fuite des données d'autrui.

Ce qu'il faut pour démarrer

La mémoire AgentCore doit se trouver dans le même compte AWS que la base de connaissances et être à l'état ACTIVE. L'exemple utilise la région US West (Oregon), us-west-2. Il faut Python 3.10+ et Boto3 en version 1.43.72 ou ultérieure. Le drapeau aclEnabled ne peut pas être modifié après la création de la source de données : mieux vaut donc réfléchir au modèle de droits en amont.

La conclusion pratique pour les équipes qui développent des assistants multi-utilisateurs : si vous stockez vous-mêmes les conversations et assemblez le contexte à la main, comparez votre schéma avec ce mécanisme prêt à l'emploi. Le schéma de séparation mérite lui aussi d'être repris. L'email gère les documents, l'ID immuable gère la mémoire, et IAM protège contre les erreurs dans le code. Une partie du matériel source s'interrompt à la création de la ressource mémoire ; les détails de la lecture de la trace ne sont donc pas abordés ici.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qui change concrètement ?

La mémoire Amazon Bedrock AgentCore fonctionne désormais comme une source de recherche supplémentaire, aux côtés de la base de connaissances. On l'active en ajoutant un bloc memoryConfiguration à la requête AgenticRetrieveStream. Au sein d'un même appel, le service restaure l'historique de la conversation, puis le planificateur décide lui-même si un fait sur l'utilisateur peut aider.

Comment ça fonctionne, avec l'exemple d'AnyCompany?

AWS présente l'assistant interne d'une entreprise fictive. Les documents sont stockés dans Amazon S3. Les RH et l'IT lisent tout, les règlements d'ingénierie sont réservés aux ingénieurs, le plan de commissions aux commerciaux. Les droits sont décrits dans un fichier ACL global, où chaque dossier correspond à une liste d'emails. Dans l'exemple, 11 documents sont indexés, avec 0 erreur. Un document couvert par aucune entrée de l'ACL n'entre pas dans l'index.

Que sait-on sur Une protection qui tient même en cas d'erreur dans le code ?

Le point le plus utile en pratique est l'isolation au niveau d'IAM. Le backend assume le rôle de l'application séparément pour chaque utilisateur, avec un tag de session userId=<sub>. Les autorisations sur la mémoire sont liées à ce tag, via actorId et le chemin de l'espace de noms. Si un développeur injecte par erreur l'identifiant d'un autre utilisateur, IAM refuse l'accès. Un bug dans le code ne se transforme donc pas en fuite des données d'autrui.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
Qu'en pensez-vous ?
Chargement des commentaires…